کلان داده

وبگاه مشاوران مدیریتی، تجاری و فنی کلان داده

کلان داده

وبگاه مشاوران مدیریتی، تجاری و فنی کلان داده

کلان داده
دنبال کنندگان ۱ نفر
این وبلاگ را دنبال کنید
نویسندگان
آخرین نظرات

۲ مطلب در بهمن ۱۳۹۳ ثبت شده است

امروزه، عصر تکنولوژی به عصر ارتباطات و استفاده از ابزار ها بدل گشته است. تکنولوژی های گوناگون تقریبا به طور مساوی در بین جوامع گسترده شده اند. حال آنکه رشد و توسعه ی فرهنگ یک جامعه را با ابزارشناسی و ابزار سازی آن میتوان سنجید. به عبارت دیگر به کار گیری دانش و تکنولوژی برای دستیابی به اهداف فردی و سازمانی در بین حوامع گوناگون و قشر های مختلف یکسان نیست.

ایمیل در میان ابزارهای مورد استفاده در جامعه امروزی، جایگاه ویژه ای دارد. ابزاری بسیار ارزان قیمت که در عین کاهش هزینه های اطلاع رسانی و تبلیغات و روابط عمومی، دانش و تخصص استفاده از آن نیز بسیار ساده و سطحی به نظر میرسد. همین نگرش ساده انگارانه باعث شده است، در حوزه ایمیل در کشورمان گرفتار یک فرهنگ "ابزارسوزی" شویم.

انبوه ایمیل هایی که روزانه از گروههای مختلف دریافت میکنیم، فهرست های چند میلیونی ایمیل که با قیمت های بسیار ناچیز ،دست به دست میگردند، سرمایه گذاری های قابل توجه در حوزه ایمیل مارکتینگ بدون بازگشت قابل توجه و در نهایت، بی تفاوت شدن جامعه هدف نسبت به این ابزار قدرتمند و کارآمد، همگی میتواند نشان دهنده نیاز به تغییر نگرش در این حوزه باشد.

فورستر پیشبینی می کند که در سال 2015 بازاریابان، بیش از 258 میلیارد ایمیل- با جهش 63% نسبت به سال 2014- خواهند فرستاد[5]

 

این ابزار سوزی از آنجا ناشی می شد که جز موارد معدودی مانند زمان ارسال، عنوان، عنوان فرستنده و چند پارامتر کوچک دیگر متغیر دیگری در دسترس نبود. همچنین در سال های اخیر دیگر مدل های پوشاننده سلیقه همه به عنوان پیام های هرزنامه تلقی شده و مصرف نمیشوند و بازاریابان باید تاکتیک های خود را در صندوق ورودی ایمیل مصرف کننده ها تغییر دهند.[2]

کلان داده تقریبا به تمامی ابعاد کسب و کارها را در سالهای اخیر نزدیک شده است. این امر به برند ها این امکان را می دهد که کاملا شخصی سازی شده و موثر کمپین هایی برای تحلیل جزئیات داده های مشتریان راه اندازی کنند. بازاریابان ایمیلی معمولا از کلان داده برای هدف قرار دادن مخاطبان با توجه به خرید قبلی و تاریخچه جست و جوی اینترنتی آنان استفاده می کنند. وارنوک[1] می گوید: " بازاریابان ایمیلی به صورت فزاینده ای متوجه ارزش کمپین های تنظیم کننده و جهت دهنده رفتار و فرستادن پیام شخصی سازی شده بر اساس رفتار مصرف کننده شده اند" [2]

تا کنون تنها 25 % کسب و کارها داده های شخصی خود را برای فعالیت های زمان محدود خود استفاده می کردند[1] . به همین خاطر می توان گفت اکثر بازاریابان هنوز از این فرصت کشف از دست رفته آگاه نیستند..

بازاریابان اغلب در گزارشات فصلی نرخ های عوامل کلیدی مهم را تنها می خوانند. اما این گزارشات به ما در بازاریابی ایمیلی نمی گوید کدام مقاله بیشترین خواننده را داشته است و یا اینکه چه نوع اشخاصی درخواست تماس تلفنی شما را قبول کرده اند؟!

داده های مشتریان بر اساس اهمیت به 4 دسته اصلی  از دید بازاریابان تقسیم می شوند:[5]

1.      تعاملات ایمیلی: تعاملات ایمیلی ساده داده هایی مانند اینکه کجا کاربر کلیک نموده و نرخ باز شدن، لینک های باز شده، کلیک ها، نرخ تبدیل مشتری، و معیارهای مرتبط را مشخص می سازد.

2.      تعاملات وبسایت : دسترسی به اطلاعات دریافت کننده ها به بازاریابان امکان درک بهتر و عمیق نحوه جست و جوی وبسایت را می دهد.

3.      داده های خرید : داده خرید قبلی داده بسیار ارزشمندی برای پیش بینی حرکت بعدی مشتری است. با نگاه کردن به خرید قبلی مشتری می توان ایمیل را کاملا شخصی کرد.

4.      ارجحیت های پروفایل مشتری: داده های پروفایل مشتری، مانند محل سکونت، سن، جنسیت هم در درجه اهمیت بعدی قرار دارند.

 

با تحلیل داده ها، بازاریابان می توانند محتوایی که برای مخاطب ارزشمند بوده را متوجه شوند. اگر خواننده ها روی محصول با توجه به این محتوی کلیک کنند به این معنی است که محتوی مورد پسند و ارزشمند بوده است و اگر این امر صورت نپذیرد متوجه می شوند که باید تغییرات در چه زمینه هایی صورت پذیرد [1] .

 کلان داده علاوه بر اینکه به ما نوع پیام هایی که باز می شوند را می گوید، بلکه زمان و مکان باز شدن ایمیل را با تفکیک های مختلف معین می سازد[2] .

 در شرکت آرمیتیس که شرکت نرم افزاری ایرانی است نیز این تکنیک های کلان داده ای به کار گرفته می شوند. نمونه ای از خروجی این کلان داده به صورت زیر است:

23.63 درصد ایمیل های ارسال در ساعت اول، 9.52 درصد در ساعت دوم، 6.33 درصد در ساعت سوم و 4.8 درصد در ساعت چهارم پس از ارسال باز می شوند، این رقم برای روز بعد از ارسال به 0.63 درصد کاهش پیدا می کند.  بهترین زمان ارسال برای باز شدن ایمیل ها ساعت 8 تا 9صبح و یا 3 تا 4 بعد از ظهر است. بهترین زمان برای کلیک روی ایمیل های باز شده ساعت 8 تا 9 صبح و یا 3تا 8 بعد از ظهر است. 5.9 درصد ایمیل ها بین 12 تا 6 صبح، 38.7 درصد بین 6 تا 12 ظهر، 25.8 درصد بین 12 تا 6 بعد از ظهر و 29.6 درصد بین 6 تا 12 شب ارسال می شوند. [6]

 باید زمانی که شخص تمایل بیشتری به باز کردن ایمیل را دارد متوجه شد. برای این کار باید باز کردن های قبلی وی را دنبال کرد. این امر و تفکیک جغرافیایی و بخش بندی، موجی از تمایز و شخصی سازی شدن را به ارمغان می آورد.[2]

با کلان داده به راحتی می توان فهمید کدام بخش بازار هدف شما مصرف کننده چه نوع محتوایی هستند. با دانستن اینکه چه کسی، چه چیزی را می خواند، محتوی می تواند بسیار مرتبط با گیرنده باشد

 

 

 

 

 

منابع

 

 

1.       How big data can enhance B2B email marketing
http://www.imediaconnection.com/content/37539.asp#Ksz2dpUOYjGTFol3.99

2.       Better Data and Personalization Are the Future of Email marketing http://www.businessnewsdaily.com/7315-future-of-email-marketing.html

3.       Big data means big opportunities in email marketing

http://www.responsys.com/blogs/nsm/email-marketing/big-data-means-big-opportunities-in-email-marketing/

4.     https://www.forrester.com/Forrester+Research+Email+Marketing+Forecast+2012+To+2017+US/fulltext/-/E-RES85321

5.       http://www.responsys.com/blogs/nsm/email-marketing/big-data-means-big-opportunities-in-email-marketing/

 

6.      کتاب 21 نکته در ایمیل مارکتینگ- نوشته شرکت آرمیتیس



[1] Warnock

۰ نظر موافقین ۰ مخالفین ۰ ۰۹ بهمن ۹۳ ، ۲۰:۵۲
علیرضا اشکان
پنجشنبه, ۹ بهمن ۱۳۹۳، ۰۸:۴۸ ب.ظ

استراتژی کلان داده سازمان شما چیست ؟

کلان داده با چنان قدرت و سرعتی در کسب و کارها رخنه کرده است که شاید سازمان ها از آن بهره نپذیرند و یا از آن دوری کنند، ولی به هیچ عنوان نمی توانند آن را نادیده بگیرند و در مقابل آن استرتژی دقیقی اتخاذ نکنند. دیر یا زود در هر صنعتی رد پای کلان داده و تاثیرات آن در سطح کلان به گوش خواهد رسید. در این بین سازمان هایی که توانسته اند موضع درستی در مقابل این تکنولوژی نوین بگیرند، توانایی بقا و رقابت را خواهند داشت.

کلان داده در هر صنعتی مراحل بلوغی دارد که به شرح زیر هستند:[1]

 

مرحله 5 دگردیسی کسب و کار

مرحله 4

به دست آوردن جریان درآمدزایی

مرحله 3

بهینه سازی کسب و کار

مرحله 2

 بینش درست کسب و کار

مرحله 1

 بررسی کسب و کار

 

سازمان هایی که به کلان داده اهمیت زیادی می دهند، بعد از مدتی از مزیت رقابتی بسیار ویژه ای برخوردار می شوند. این سازمان ها داده های خود را جمع آوری کرده و با ابزارهای پیشرفته، داده های ساختار یافته و ساختار نیافته خود را تحلیل میکنند. این کسب و کار ها پس از مدتی ابتکار عمل صنعت را بدست می گیرند و دچار دگردیسی کسب و کار می شوند و با ایجاد اکوسیستمی در صنعت به بستر یا پلتفرم کلان داده تبدیل می شوند.

سازمان های دیگر باید در مقابل این بستر ها استراتژی مناسب اتخاذ کنند. این بستر ها می توانند هزینه مبادله را کاهش و یا دسترسی سازمان به مشتریان را افزایش دهند. اما در عین حال با سخت شدن شرایط رقابت این بسترها ممکن است موجب از دست رفتن کنترل بر مشتریان و یا یافتن روند تغییر رفتار مشتریان و بسیاری دیگر از داده های مفید شوند. [3]

 

چند پرسش مفید هنگام مواجهه با بسترهای کلان داده ممکن است به ذهن تداعی می شود:[2]

1.      آیا باید بستر اختصاصی خود را ایجاد کرد و یا از بسترهای موجود استفاده کرد؟

2.      کدام ویژگی بستر را باید استفاده کرد و کدام ویژگی بستر را باید رد کرد تا مزیت رقابتی در بلند مدت از دست نرود؟

ابتدا می خواهیم شرایط ایجاد این اکو سیستم و بسترهای کلان داده ای را شرح دهیم. بسترها ممکن است مدل های مختلفی داشته باشند[3]

بسترهای نرم افزاری و زیر ساختی: بسترها، محصولات، خدمات یا تکنولوژی هایی هستند که به عنوان پایه و زیر بنای ساخت محصولات ، خدمات، یا تکنولوژی های کامل توسط دیگران هستند.

مصداق ها: نرم افزار ای.آر.پی، شرکت سپ، فناوری سی.دی.ام.ای شرکت کوال کام برای تجهیزات تلفن

بسترهای واسط: واسط های بازار، موسساتی هستند که بقای خود را از طریق کاهش هزینه جست و جو و مبادله برای گروه های دیگر بازار تصمین می کنند.

مصداق ها: موتورهای جست و جو مانند گوگل، ask

بستر های ارائه دهنده یک خدمت: این بسترها عموما بخش خاصی از صنعت را که عموما گلوگاه نیز هست در اختیار می گیرند و سعی بر نظارت بر نقطه تماس با مشتری دارند.

مصداق ها: Itunes، کافه بازار، شبکه های پخش

بسترهای چند سویه: که هم واسطه بازار هستند و هم بستر و بخش های غیر وابسته را با تاثیر گذاری شبکه ای و غیر مستقیم پشتیبانی می کنند.

مصداق ها: نینتندو وی، سایت آمازون دات کام، سایت مج دات کام

این بسترها به صورت حجیم داده های صنعت را به درون خود سرازیر می کنند و ممکن است در قبال آن، خود بخشی از صنعت باشند و یا خدمت خاصی را ارائه دهند. مثلا نقشه گوگل بستری است که در آن در اقصی نقاط دنیا داده های مکانی ذخیره می شود. پس این بسترها می توانند به کمک ما بیایند در حالی که خود حتی بخشی از صنعت ما نیستند. همچنین ممکن است این بسترها مانند Itunes بستری برای عرضه و کانالی برای ارتباط با مشتری باشند و به دلیل دسترسی به مشتریان مرکز توجه قرار گیرند و یا مانند سرویس جست و جوی گوگل به تمامی مشتریان دسترسی داشته باشند و خواه ناخواه ما با آنها درگیر باشیم.

حال باید دید که سازمان ها باید به کدام یک از این بسترها و تا چه حد اجازه دهند که داده های آن ها را در اختیار داشته باشند.

نمونه جالبی و موفقی از استفاده از سایر بسترها را در لینکدین میتوان دید. لینکدین برای اینکه بتواند تمایز خود را در مقابل رقبایش حفظ کند تنها به قابلیت ها و کاربردهای مشخصی از Open social اجازه داد روی بستر اختصاصی آن فعال شوند و برخی ویژگی های اختصاصی را هم خود ایجاد کرد که تنها برای کاربران لینکدین قابل استفاده است.

برای تعیین روش استفاده از یک بستر کلان داده، شرکت ها باید سه پرسش را در ذهن خود داشته باشند:[2]

1.      چگونه می توان خود را از دیگر رقبایی که از این بستر استفاده می کنند متمایز کرد؟

2.      چگونه می توان ریسک گرو کشی از سوی بستری که قصد استفاده از آن را داریم کاهش داد؟

3.      با این کار چه بخش هایی از آینده کسب و کار و صنعت را به دست صاحبین بستر خواهیم سپرد؟

 

برای مثال فرض کنید که شرکت تاکسیرانی تهران بخواهد برای تعیین زمان بندی خود از نرم افزاری استفاده کند تا مانند شبکه uber پیشرفته عمل نماید. برای این امر تنها کافی است روی گوشی های هوشمند راننده های تاکسی خود این برنامه را نصب کند و از نتایج آن بهره مند شود. اما با این کار شاید بتواند تشخیص دهد که که هر تاکسی از چه مسیرهایی و در چه زمانی عبور کرده است ولی نمی تواند مانند uber ابتکار عمل داشته باشد و جریان های درآمد زایی بیشتری برای خود ایجاد کند.

بزرگترین اشتباهی که در حین تصمیم گیری برای نحوه استفاده از یک بستر ممکن است سازمان ها مرتکب شوند اعطای امتیازات ترجیحی بدون تحلیل تاثیری است که این امتیازات بر تعادل بازار چه در حال و چه در آینده می گذارند. این بر هم خوردن تعادل است که منجر به مزیت رقابتی می شود و سازمان های بستر را به سمت اقیانوس آبی سوق می دهد. [3]

 

منابع:

 

1.      Big Data ,understanding how data powers big business, Bill Schmarzo, 2014

2.      What is your google strategy? HBR article , Andrei Hagiu and David B. Yoffie , April 2009

3.      CONTEMPORARY STRATEGY ANALYSIS ,Robert M.Grant , Eighth edition, 2013

۰ نظر موافقین ۰ مخالفین ۰ ۰۹ بهمن ۹۳ ، ۲۰:۴۸
علیرضا اشکان